标签:arc rac 常用 成员 conf data target 不同的 att
按五个方面进行优化。(点击原文)
1、维度设计
良好的维度设计是建制Cube最重要的方面。根据最终用户的业务需求,设计维度正确的属性、属性关系及层次结构。
1.1 避免只有单个维度的多维数据集
1.2 避免建立多个维度,而这些维度只有单个属性,请考虑统一这些维度
1.3 键属性(KeyColumns)的键列保证成员唯一性(可以使用多个键列保证唯一性)
1.4 维度表中的字段如果没有分析意义,或暂时不用作分析,不要将它建为属性
1.5 避免为每个维度指定多个不可聚合的属性(即IsAggregatable不要设为False)
1.6 属性如设为不可聚合(IsAggregatable设为False),要指明DefaultMembers的值
1.7 有些说明性字段(比如客户的电话、邮箱地址),如果将它建为属性,请将AttributeHierachyEnabled 设为 False
1.8 每个维度最好建立一个层次结构
1)在维度中建立层次结构。如维度向导没有发现这些层次结构,要自行添加。
2)建立层次结构前,先检查属性和属性之间是否存在严格的一对多关系,如有,请建立属性关系;
3)属性关系的名称应与相关属性的名称相匹配;
4)避免冗余属性关系,因为当多维数据集的粒度属性是非键属性时,这些关系可能导致数据无法聚合;
5)建立好属性关系,再建立层次结构;
6) 避免将属性的可见属性层次结构用作用户定义的层次结构中的级别
7)如无必要,避免建立不存在属性关系的非自然的用户层次结构;
1.9 将维度的 UnknownMember 属性从Hidden 更改为None
1.10 定义时间维度时,使用“商业智能向导”,设置“Time”属性类型,以使它们与维度类型兼容
1.11 设定时间维度键属性的valueColumn设为日期格式的字段
1.12 不要将维度的 ErrorConfigurations中的KeyDuplicate 设为IgnoreError ,这样,SSAS会自检查维度和属性的数据关联性是否正确,并提出警告。根据这些警告,检查维度和属性的关联性是否正确。
2、Cube设计
2.1 避免创建具有相同维数和粒度的度量值组
2.2 避免将两个完全没有维度关联系的事实表放在一个Cube中
2.3 避免在一个多维数据集中包含15个或更多的度量值组
2.4 将非重复计数度量值分为不同的度量值组
2.5 将Cube与分析无关的属性的 AttributeHierarchyEnabled设为False
3、分区设计
3.1、 使用 MOLAP存储模式
3.2、 将超过2千万行或大小超过250MB的大分区拆分为较小的分区以改进性能
3.3、 将度量值组的分区与少于2百万行或大小小于50MB分区合并
3.4、 DistinctCount度量值组分区可考虑按最常用的维度来分区(不一定是时间)
4、聚合设计
4.1、 不要在低于事实表粒度属性的级别建立聚合
4.2、 为具有 500,000 或更多行的分区设计聚合
4.3、 为单个分区生成的聚合数不能超过500
4.4、 不要将相关属性包括在同一聚合中
4.5、 将一个度量值组中的聚合设计数限制为三个
4.6、 删除任何分区都不使用的聚合设计
4.7、 包括只具有半累加性度量值的所有度量值组聚合中的时间维度粒度属性
4.8、 设计聚合时,要精确指定“估计的计数”和“分区的计数”;或者由SSAS自行计数
4.9、 移除没有应用到分区的聚合
4.10、基于用户使用情况进行优化(经常使用的维度、属性),针对这些属性设置聚合,以取得最佳查询性能。
5、数据源设计
5.1、为提高性能,请使用 Microsoft OLE DB Provider for SQL Server 或 SQL Native Client 访问接口而不是 .NET Data Provider for SQL Server (SqlClient) 连接到 SQL Server 数据源。
5.2、不要在数据源中使用不支持的 OLE DB 访问接口。SSAS设计为使用特定的 OLE DB 访问接口集并经过测试。尽管其他 OLE DB 访问接口也可用,并且数据源向导可使您选择任何兼容的访问接口,但是不同访问接口的功能和行为可能有很大区别。
标签:arc rac 常用 成员 conf data target 不同的 att
原文地址:http://www.cnblogs.com/java-oracle/p/6478928.html